Stima di posizione GNSS con KalmanNet

Il lavoro di tesi analizza l’applicazione di KalmanNet per la stima di posizione in ambito di navigazione tramite segnali GNSS. Nei contesti reali la presenza di non linearità non rappresentabili tramite modelli analitici rendono i filtri di Kalman tradizionali spesso poco accurati. Si esplora quindi l'uso di un'architettura ibrida che integra una rete neurale ricorrente per il calcolo del Kalman gain direttamente dai dati mantenendo la struttura del filtro classico. Le simulazioni in Python, utilizzando dataset ricavati da GNSS, mostrano che KalmanNet è in grado di gestire efficacemente il mismatch modellistico, garantendo un'accuratezza superiore rispetto agli stimatori convenzionali in contesti realistici.